BAB IV HASIL DAN ANALISIS
3.2 Populasi dan Sampel
3.5.2.1 Uji Normalitas
Pengujian normalitas memiliki tujuan untuk menguji apakah di dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2011). Seperti yang diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara untuk mendeteksi apakah residualterdistribusi normal atau tidak dapat dilakukan dengan analisis grafik dan uji statistik.
Cara yang paling mudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah sebagai berikut :
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal dan/ atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.5.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2011). Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi, karena VIF=1/Tolerance. Nilai
cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2011).
3.5.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan juga berbeda disebut heteroskedastisitas (Ghozali, 2011).
Pengujian ini dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola yang tidak jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terdapat heteroskedastisitas (Ghozali, 2011).
3.5.2.4 Analisis Regresi Berganda
Dalam analisis regresi, selain mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan hubungan antara variabel dependen dengan variabel independen. Variabel dependen
diasumsikan random/ stokastik, yang berarti mempunyai distribusi probabilistic. Variabel independen/ bebas diasumsikan memiliki nilai tetap (Ghozali, 2011). Dalam penelitian ini analisis regresi linear berganda digunakan untuk memprediksi hubungan antara perilaku penghindaran pajak terhadap nilai perusahaan.
3.5.3 Analisis Goodness of Fit Model
Goodness of Fit merupakan suatu model yang digunakan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual. Secara statistik, diukur dari nilai koefisiensi determinasi, nilai statistik F dan nilai statistik t. Jika nilai uji statistiknya berada pada daerah kritis (daerah Ho ditolak) maka perhitungan statistik tersebut signifikan. Sebaliknya jika uji statistiknya berada dalam daerah dimana Ho diterima maka perhitungan statistik tersebut tidak signifikan (Ghozali, 2011).
3.5.3.1 Koefisien Determinasi
Koefisien determinasi (R2) digunakan untuk mengukur sejauh mana sebuah model dapat menjelaskan variasi variabel dependen (Ghozali, 2011). Nilai dari koefisien determinasi adalah antara nol dan satu. Jika R2 memiliki nilai yang kecil, maka kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen sangat terbatas. Jika nilai R2 mendekati satu, artinya variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.5.3.2 Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen / terikat (Ghozali, 2011). Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut :
a. Jika nilai F lebih besar dari 4 pada tingkat kepercayaan 5%, maka Ho ditolak atau dengan kata lain hipotesis alternatif diterima. Sehingga semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen. b. Membandingkan nilai F hasil perhitungan dengan nilai F
menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka Ho ditolak dan menerima Ha.
Uji statistik t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual dalam menjelaskan variasi variabel dependen.
3.5.4 Pengujian Hipotesis
Pengujian ini dilakukan untuk mengetahui bagaimana pengaruh variabel independen yaitu penghindaran pajak, variabel moderating yaitu transparansi informasi, serta variabel kontrol yaitu SIZE dan LEVERAGE baik secara bersama-sama ataupun individual terhadap nilai perusahaan. Pengujian hipotesis ini menggunakan tingkat signifikansi 5%. Jika nilai F dalam uji signifikansi simultan (uji statistik F) lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi variabel dependen atau dengan kata lain semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Pada uji signifikansi parameter individual (uji statistik t), jika probabilitas variabel independen tertentu signifikan pada 0,05, artinya variabel independen tersebut mampengaruhi variabel dependen.